-
公开(公告)号：CN108228845B
公开(公告)日：2020-10-27
申请号：CN201810018771.1
申请日：2018-01-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种手机游戏分类方法，通过计算不同平台下的游戏的名称、图标和描述简介的相似度，找出同款游戏，统一互联网上16个游戏提供平台的分类体系，按照统一的标准，通过计算游戏的描述简介文本的句子向量相似度和主题分布向量，以分词统计后的游戏标题、原有平台名称和原有平台的分类标签作为输入，训练GBDT模型，然后进行特征融合，在采用特定的分类算法进行分类，准确地将不同平台下的各种游戏进行分类。本发明具有极高的准确率，效果好，能有效地提高不同数据源游戏分类的精确率。
-
公开(公告)号：CN109222972B
公开(公告)日：2020-09-22
申请号：CN201811054390.5
申请日：2018-09-11
Applicant: 华南理工大学
IPC: A61B5/055
Abstract: 本发明公开了一种基于深度学习的fMRI全脑数据分类方法，包括：(1)获取fMRI数据，进行预处理，获取对应的标签；(2)对fMRI数据进行聚合；(3)分别以正交的x、y、z轴方向对平均三维图像进行切片；(4)将三组二维图像分别转换为一帧多通道二维图像；(5)构建用于fMRI数据分类的混合多通道卷积神经网络模型；(6)对fMRI数据进行处理，将得到的标签作为输入数据进行训练，得到的参数用于fMRI数据分类的混合卷积神经网络模型；(7)对fMRI数据进行处理，将得到的三帧多通道二维图像输入到训练后的混合卷积神经网络模型中进行分类。本发明能有效地提高fMRI数据分类的准确率，同时减少fMRI数据分类模型训练和分类的计算量。
-
公开(公告)号：CN111582325A
公开(公告)日：2020-08-25
申请号：CN202010312421.3
申请日：2020-04-20
Applicant: 华南理工大学
IPC: G06K9/62 , G06F16/18 , G06F16/2458
Abstract: 本发明公开了一种基于自动特征编码的多阶特征组合方法，包括步骤：1)对日志型数据的训练集进行预处理和数据采样；2)构建代理搜索模型对特征组进行搜索，得到评价指标最高的特征组；3)构建复合目标编码器对选中的特征组编码，得到多阶组合特征；4)对多阶组合特征进行内嵌式特征选择，保留有效特征；5)重复步骤2)-4)，最终得到完整的有效组合特征编码表；6)参照有效组合特征编码表，使用复合目标编码器对训练集和测试集转化，获得多阶特征组合训练集和测试集。本发明方法能够自动完成预处理、特征工程等一系列步骤，有助于机器学习平台节省人工成本、降低特征工程时间开销和提升预测精度。
-
公开(公告)号：CN111462483A
公开(公告)日：2020-07-28
申请号：CN202010186595.X
申请日：2020-03-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的桥梁超重车动态识别方法，包括步骤：1)获取桥梁结构响应数据，为每个采样时间标注超重车标签；2)构建并训练基于时间卷积网络的超重车动态识别网络；3)将待识别的结构响应数据输入至训练好的超重车动态识别网络中，输出超重车识别结果。本发明实现了深度学习算法在桥梁健康监测领域超重车识别任务上的应用，相较于现有的桥梁动态称重方法相比，无需静态影响线的领域知识、无需车速和轴重信息，且适用于桥上有多辆车出现的场景，使桥梁健康监测数据产生更大价值，在桥梁健康监测领域有广阔前景。
-
公开(公告)号：CN109831535B
公开(公告)日：2020-06-19
申请号：CN201910211055.X
申请日：2019-03-20
Applicant: 华南理工大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于边缘计算的大数据智能收集方法，首先，边缘计算节点根据收集到的前端数据特性，确定前端数据是否需要传输到云端服务器，通过多条链路同时发起对服务器的数据传输，服务器在接收到请求后，根据边缘计算节点所在区域的所有边缘计算节点各链路历史传输数据信息作为特征，进行预测，随后服务器将生成的预测表发送给边缘计算节点，边缘计算节点根据预测表和相关策略决定各链路的传输属性并开始传输，在传输完成后服务器会记录本次传输各链路情况，并以此更新该区域内各链路的历史数据。本发明充分利用区域内所有链路传输数据的历史信息预测边缘计算节点各链路的性能，能更合理地为多链路分配传输属性，提高大规模数据收集可靠性。
-
Patent Agency Ranking
公开(公告)号：CN110197729A
公开(公告)日：2019-09-03
申请号：CN201910417295.5
申请日：2019-05-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度学习的静息态fMRI数据分类方法和装置，包括：1)获取静息态fMRI试验数据，进行预处理并获取标签；2)对静息态fMRI数据进行大脑区域划分，提取功能连接特征和脑区综合特征；3)提取全脑体素点特征；4)提取个人属性特征；5)构建用于静息态fMRI数据分类的混合神经网络模型；6)将用于模型训练部分的数据进行处理，作为输入数据进行混合神经网络的训练，得到的参数用于静息态fMRI数据分类的混合神经网络模型；7)对静息态fMRI数据进行处理，将得到的功能连接特征、脑区综合特征、全脑体素点特征和个人属性特征输入到训练后的混合神经网络模型中进行分类。本发明能保留各项特征的数据形式，综合考虑各项特征的信息，有效提高分类准确率。
-
公开(公告)号：CN109918477A
公开(公告)日：2019-06-21
申请号：CN201910122541.4
申请日：2019-02-18
Applicant: 华南理工大学
IPC: G06F16/33 , G06F16/951 , G06F16/953 , G06F16/9535 , G06F16/332
Abstract: 本发明公开了一种基于变分自编码器的分布式检索资源库选择方法，该方法利用深度神经网络构建编码器与解码器网络结构，学习资源库文本的隐含表示，用来捕捉资源库文本的深层语义表示。通过无监督的训练方法得到的模型，对查询词的扩展文本进行推理，获得查询词的隐含表示。通过计算查询词与资源库的隐含表示的相似性，来获得资源库的相关性排名。该模型为无监督的训练，自动获得资源库以及文本的隐含表示向量，可克服有监督训练方法中的设计文本特征的缺点。此外，变分自编码器的网络结构简单，变分推理的计算耗时比基于马尔科夫链蒙特卡罗推理方法的LDA主题模型要低。模型训练完成后，进行资源库选择的耗时低，资源库选择的效率高。
-
公开(公告)号：CN109871538A
公开(公告)日：2019-06-11
申请号：CN201910119391.1
申请日：2019-02-18
Applicant: 华南理工大学
IPC: G06F17/27
Abstract: 本发明公开了一种中文电子病历命名实体识别方法，包括步骤：1)构建普通词汇字典；2)简约词性标注；3)构建文本和词性向量映射表；4)训练命名实体的预测模型；5)命名实体的标签预测。本发明通过加入词性特征，来提高命名实体和普通词汇的边界可区分性，从而提高命名实体边界准确率。同时，在双向的LSTM-CRF模型中引入自注意力机制，计算每个时刻输入与句子中其他成分的相关度，从而缓解长依赖问题，提高命名实体识别准确率。
-
公开(公告)号：CN109871439A
公开(公告)日：2019-06-11
申请号：CN201910122563.0
申请日：2019-02-18
Applicant: 华南理工大学
IPC: G06F16/332 , G06F17/50 , G06Q50/00 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的问答社区问题路由方法，包括步骤：1)通过对社区问答的文本内容进行分词，利用词向量技术，获取单词的词向量表示；2)根据用户的历史回答记录，构建用户档案；3)利用深度学习根据用户档案分别学习用户兴趣预测模型、用户能力预测模型、用户响应度预测模型；4)根据步骤3)学习到的模型获取用户特征，进而根据用户特征训练打分模型；5)利用步骤3)学习的户兴趣预测模型、用户能力预测模型、用户响应度预测模型及步骤4)训练的打分模型，进行问题路由。本发明充分考虑到用户回答的评分信息和时间信息，通过单独的深度学习模型分别来预测用户对问题的评分及响应时间，在排序阶段充分利用了用户回答的评分、时间等信息。
-
公开(公告)号：CN109831535A
公开(公告)日：2019-05-31
申请号：CN201910211055.X
申请日：2019-03-20
Applicant: 华南理工大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于边缘计算的大数据智能收集方法，首先，边缘计算节点根据收集到的前端数据特性，确定前端数据是否需要传输到云端服务器，通过多条链路同时发起对服务器的数据传输，服务器在接收到请求后，根据边缘计算节点所在区域的所有边缘计算节点各链路历史传输数据信息作为特征，进行预测，随后服务器将生成的预测表发送给边缘计算节点，边缘计算节点根据预测表和相关策略决定各链路的传输属性并开始传输，在传输完成后服务器会记录本次传输各链路情况，并以此更新该区域内各链路的历史数据。本发明充分利用区域内所有链路传输数据的历史信息预测边缘计算节点各链路的性能，能更合理地为多链路分配传输属性，提高大规模数据收集可靠性。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.022 seconds)
